في سعي العلم والتكنولوجيا لفهم كيفية معالجة الذكاء الاصطناعي (AI) للتصوير، أُطلقت دراسة جديدة تناولت هذا المسألة، حيث تم تطوير معيار جديد يسمى ImagingBench. يهدف هذا المعيار إلى تقييم أداء نماذج الذكاء الاصطناعي في أكثر من 20 مهمة من مهام التصوير الحاسوبي.

تتوزع المهام التي يغطيها ImagingBench على خمس فئات رئيسية: 1) بصريات الأشعة والموجات، 2) معالجة إشارة الصورة، 3) إعادة البناء العكسية، 4) الاستشعار الحاسوبي، و5) المعايرة. وهي تشمل مجموعة من السيناريوهات المختلفة، مما يوفر رؤية شاملة عن كفاءة الذكاء الاصطناعي في هذه المجالات.

تضمن التقييم ثلاثة إعدادات متميزة: 1) Expert، حيث يتم استخدام إعادة البناء العكسي الموجه من قبل الخبير، 2) Planner، مع الإرشاد من خلال التخطيط، و3) Forward، والذي يتحقق من التناسق عبر محاكاة النظام الأمامي.

يكشف البحث أن النماذج المتقدمة المتعددة الأنماط، مثل Gemini وGPT وQwen، لا تزال أضعف مقارنةً بالطُرق المتخصصة في المهام مثل التصوير بدون العدسات، وإعادة البناء المستندة إلى الأحداث، وتصوير الوقت المستغرِق، والهولوجرافيا. وبالرغم من أن هذه النماذج تستطيع في كثير من الأحيان إنتاج نتائج بصرية تبدو مقبولة، فإن دقتها الحقيقية تبقى ضعيفة، مما يشير إلى وجود فجوة كبيرة بين الكفاءة البصرية والقدرة الفعلية على معالجة التصوير الحاسوبي.

يمكن لمعيار ImagingBench أن يساعد في قياس هذه الفجوة ويكون بمثابة منصة موحدة تتبع نتائج الذكاء الاصطناعي في هذا المجال المتنامي. إلى أي مدى تعتقد أن الذكاء الاصطناعي سيتقدم في فهم التصوير؟ شاركونا آراءكم في التعليقات!